基于社交网络数据挖掘的思政教育探析

谭丽婷

（广州工商学院，广东 广州 510850）

随着新一代互联网技术的普及以及5G 通信网络技术的蓬勃兴起，分布式技术及高可靠应用技术的发展使得各式互联网应用特别是社交应用走向了更为广阔的发展空间。以“BBS”为代表的旧式社交应用已逐渐成为历史名词，以微博、“QQ”为代表的传统社交应用也日渐式微。社交网络，或者说具备社交属性的应用正以前所未有的形式占据互联网“原住民”的流量和时间。“抖音”、“今日头条”、“知乎”、“豆瓣”、“贴吧”、“哔哩哔哩”等海量应用，正以文字、图片、声音、短视频等形式，使人与人之间的交互成为随时、随地、随心进行的事情。特别是在线游戏如“腾讯”、“Steam”、“育碧”、“索尼PSN”等也在这些产品或平台中，直接或间接地集成了社交的属性或功能。互联网中的社交，以及依附于社交的信息传播空间和时间的广度也前所未有地拓宽。

思政教育，除了狭义的课堂教学领域，还包括广义的对目标受众或潜在受众的思想政治核心思想和理念的传播和普及。在互联网和社交网络应用的蓬勃发展下，社交网络中信息传播的广度和深度，天然地适合思政教育对其核心思想和理念的传播。然而，与高度统一严谨的思政教育体系和内容相比，社交网络与生俱来的自由和无序状态，也给思政教育内容的传播和引导带来巨大挑战。一方面，社交网络中信息生成、传播和消费具有无序性，尤其在传播过程中会导致信息失真，形成不实的信息甚至谣言，这与思政教育的严谨性和规范性形成天然的矛盾，导致相关思政教育内容传播困难以及内涵难以延展。另一方面，社交网络的主题与人们日常生活息息相关，因此休闲、情感、娱乐、生活等内容往往构成人们互动的主体，各类学术和思辨性质的主题报告，特别是思政教育的内容主体都难以直接迎合目标受众的喜好，并形成自主传播。最后，难以测度和评估通过社交网络进行思政教育的效果。尽管社交网络存在海量数据，但无论是数据形态和信息主体，都与传统的课堂教育不同，并不是面向特定的教育领域而设计，难以简单直接地复用。

思政教育，包括形势与政策教育及其核心理念的普及，重点在于对基本和核心原理的严谨叙述和完整表达，同时又需要结合实际事例，对目标受众进行触及。目前国际敌对势力利用社交网络进行思想麻痹和舆情渗透中积累了不少的技术和经验，在思想战线的“网络阵地”中抢得先机。我国在借助社交网络宣扬核心价值观和先进思政理念的实践上，与某些西方国家还有较大差距。进入新时代，面对日益复杂的国际竞争环境，我们越来越需要直面国际敌对势力的思想角力，在社交网络尤其是全球性的社交网络中展示我们的核心价值观和先进的思政理念。因此，以开放的心态积极拥抱大数据和数据挖掘技术，充分利用社交网络产生的海量数据去挖掘信息传播的规律和特征，建立基于大数据，面向思政教育的社交网络运作模型及其基本理论，对增强思政教育的传播力、引导力和影响力，具有重大的现实意义。

基于社交网络的数据挖掘技术推动思政教育传播机制发展，首要的是理解社交网络中信息流转和传播的机制，并通过采集海量网络数据对该机制进行模式描述，建立符合客观实际的舆情流转和思想传播理论，调整思政教育的侧重点从而适应日趋复杂的实际思想竞争需求。现代社交网络的数据规模非常复杂，信息传输机制和流转特征具有偶然性和个例化，但其基本脉络有迹可循。

首先，群簇积聚是社交网络的基本特征。现代社交网络，是基于个体作为顶点，个体与个体之间的联系作为单向或双向形成的图为基本逻辑模型。与一般的图模型不同，社交网络天然的群簇聚集效应更为明显。一些“大V”、“KOL”、网络红人、社交达人等构成了社交网络的核心或中心顶点，并向四周辐射其影响力。这样的核心或中心顶点也构成了信息传播和流转的中心，并拥有较高的信息传播权重。

其次，分层分级是现代社交网络的主要特征。互联网刚兴起时，网络还是小部分技术精英的玩具，较高的门槛使其并不为大众所熟悉。随着互联网信息技术的爆发式成长和移动网络的兴起，目前社交网络已深度覆盖社会各阶层的生活。与现实阶层相一致，社交网络也具有分层分级的特征，特定类型的信息资讯，一般不会实现跨层级流动，因此待传播的信息也要针对性进行分层分级内容设计，以贴合各传播层级的需求。

最后，社交网络信息传播的同层边际递减和跨层边际递增效应。信息资讯的传播效果，除信息内容本身因素外，也受制于社交网络的原生横向积聚性和纵向分层性。以社会舆情事件为例，如滴滴司机杀人或幼儿园砍人案例，最先都在某地或某群体中爆发，并被“大V”或机构转发，从而在该层级中广泛传播。随着舆情事件的持续发酵，越来越多相同层级的人（如乘客群体、家长群体）加入讨论和传播，会使事件在爆发后缓慢达到阶段性高点，随后开始缓慢下降。如果该舆情事件的传播跨越了社交网络层级，比如上升到社会性道德、法律机制健全等层面，那信息的传播反而会迎来一个递次高速传播阶段，这就是跨层级信息传播的边际递增效应。思政教育尤其是普及性思政理念及形势与政策的传播，离不开对社交网络这些基本特征的把握和运用。

基于大数据的数据挖掘技术，对互联网信息传播的模式挖掘和特征识别，有其巨大优势，某种程度上已成为当下建立社交网络信息传播机制模型的不二法门。通过大数据挖掘对社交网络数据进行采集、分析和建模，首要的就是实现对社交网络数据实时、稳定的采集和存储。如上文讨论的，当下舆情及思想角力的主战场，除了国内的社交网络平台和应用，更为主要的是业务覆盖面为全球性的社交应用，典型的以“脸书”、“推特”为代表的西方社交应用平台。时至今日，这些社交平台已从最初以社交为主的属性，逐渐演化为各种思想和信息传播、角力的前线，各种政治势力、宗教势力和利益团队也充分利用社交平台进行价值宣扬和思想渗透。而平台官方及其所在国的监管部门，都不同程度地通过删除文章、封禁用户、增加曝光度等方式，对各种舆情和思想进行引导和控制。纷繁复杂的数据和信息流的背后，实际上是有迹可循的技术脉络。具体说来，通过大数据技术建立社交网络平台信息及思想传播模型的核心步骤包括以下几方面。

（一）建立分布式、实时的社交网络数据采集及存储系统，实现对社交网络海量数据的沉淀，为进一步分析建模奠定基础。互联网平台上的思想角力是一场无硝烟的战争。为此，通过搭建海量的分布式服务器，针对性地部署定向爬虫机器人，实时对社交平台数据进行抓取、去重、标签化和存储是其最重要的一点。以“脸书”为例，通过分布式的服务器外加匿名代理服务以及对定向爬虫机器人的适度设计，可营造出一种来自全世界范围内对“脸书”的正常访问，从而可以安全、稳定、实时地采集所需数据。

（二）建立实时分析系统，对采集的海量数据根据主题、评论、关注度等进行分类存储并建立初步核心指标数据库，从而对最重要舆情指标进行实时监控和预警。如，在舆情监控和特情处置领域中，突发事件的“爆发度”是通过一系列指标进行评估的，如单位时间内的参与人数、核心节点人群的参与比例、单位时间的转发量、讨论参与人数等。在一个面向社交网络的实时存储和分析系统中，这些关键指标可通过基于Spark 和Kafka 的实时大数据处理引擎进行实时计算和仪表盘展示，从而实现对特定社交网络平台的监控。

（三）基于海量数据的深度学习系统。对于复杂的社交网络数据的分析及洞察不像部分核心指标的计算和呈现那么简单，而需进一步细化数据结构、深挖数据特征，通过深度学习核心技术对关键结论、主体、核心传播路径进行识别和监控。如面向社交网络的思政教育理念传播，关键是识别潜在的易感人群，即传播能力和潜在影响力较大的人群。在社交网络中活跃的个体或群体及意见领袖，其传播效果具备“同层边际递减和跨层边际递增效应”，难以持续性地对某一主题进行传播。有鉴于此，识别海量人群中那些潜在的、“不在聚光灯之下”但能稳定地在实际生活中影响身边人的群体，对他们潜移默化地进行思想传播，更具有长远意义和现实有效性。

建立有效和竞争性的思政教育传播机制，离不开思政教育管理者和教育者双管齐下的努力。简言之，即管理者搭台，教育者唱戏，社会多方协作，共同建立核心思想并有效传播，引导作用有效体现和作用效果合理反馈的全方位工作机制。首先，思政教育管理者应在国家整体大数据建设的方略和框架内，针对思政教育传播和舆情引导设计自身的大数据子系统或模块，针对各主要社交平台和应用进行规划、系统的数据采集和挖掘，并集中管理所需的硬件、软件、人力以及协调配合外围资源。同时，高屋建瓴地从国际范围的思想博弈和斗争形势出发，持续围绕核心思想，设计与时俱进、形式多样、贴合互联网现实的主题思想，使思政教育管理者和传播者拥有强大而足够的思想“弹药”，并在社交网络中充分传播。最后，管理者还应积极收集来自社交网络传播的效果反馈，并针对性地调整和更新传播机制，设计关键指标并持续监控。除了大局层面的把控和实施外，思政教育工作者可在大数据的支持下，提高思想传播的有效性和针对性，并及时因人、因时、因地设计、调整和更新传播素材，把控传播节奏。例如，2019 年互联网 “帝吧出征”、“饭圈出海”就是典型事例。以往“贴吧”网友及互联网“追星族”都不是理想的思政教育受众，但在危害国家安全的国际性舆情事件发生后，“贴吧”网友和“饭圈”女孩却能及时自发地进行舆情反控活动。对于这类潜在的主体思想自发传播人群，对其做基于行为偏好的数据分析，可给各级思政教育者以启发和充分运用的契机。

总之，在新时代社会主义建设的大背景下，思政教育不仅局限在传统领域内，更应成为日益发展的互联网“小社会”，要注重培育和健全新时代年轻人的社会主义核心价值观，使其注入有力的思想养分。特别是在面对国际敌对势力进行舆论操控和思想渗透的形势下，要以开放的心态，利用大数据技术充分挖掘互联网的海量信息，围绕信息传播的人群和渠道进行数据洞察，这也是思政教育进一步发展的必由之路。